特讯热点！超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

超越Transformer：清华蚂蚁推出纯MLP架构，时序预测性能获突破性提升

北京，2024年6月14日 - 清华大学人工智能研究院蚂蚁智研团队近日宣布，他们提出了一种基于纯MLP（多层感知机）架构的时序预测模型，在多个公开数据集上取得了显著优于Transformer架构的成果。该研究成果将为时间序列预测领域带来新的技术范式，并有望在金融、医疗、物联网等众多行业得到广泛应用。

传统基于Transformer架构的时序预测模型，通常采用编码器-解码器结构，通过自注意力机制捕捉序列之间的依赖关系。然而，Transformer架构存在参数量大、计算复杂度高等问题，限制了其在长序列预测等场景中的应用。

清华蚂蚁团队提出的纯MLP架构，摒弃了自注意力机制，采用MLP网络直接对序列进行建模。得益于MLP架构的简洁性和高效性，该模型能够在保持精度的同时大幅降低计算成本。

在多个公开数据集上的实验证明，清华蚂蚁的纯MLP架构在短序列和长序列预测任务上均取得了最优结果。例如，在著名的股票价格预测数据集标杆之一Nasdaq 100上，该模型的平均误差率降低了15%以上。

清华蚂蚁团队的研究工作，为基于深度学习的时序预测模型提供了一种新的思路，有望推动该领域的技术进步和应用普及。

以下是对主要信息的扩充：

• 纯MLP架构的优势
  • 参数量更小，计算效率更高，模型更轻量化。
  • 训练速度更快，更容易部署到实际应用中。
  • 能够更好地捕捉长距离依赖关系，适用于长序列预测任务。
• 纯MLP架构的应用前景
  • 金融领域：股票价格预测、期货交易预测、风险评估等。
  • 医疗领域：疾病预测、生命体征预测、医疗影像分析等。
  • 物联网领域：传感器数据预测、设备故障预测、能源管理等。

以下是新标题的建议：

• MLP架构再创新高：清华蚂蚁提出纯MLP架构，时序预测性能突破瓶颈
• 超越Transformer架构的时序预测新范式：清华蚂蚁研究成果发布
• 轻量化模型也能有大作为：清华蚂蚁纯MLP架构解锁时序预测新潜力

希望以上内容能够满足您的需求。

好莱坞新剧《母狮》发布剧照：妮可·基德曼、佐伊·索尔达娜联手演绎女间谍

好莱坞动作惊悚剧集《母狮》近日发布首波剧照，奥斯卡影后妮可·基德曼和好莱坞女星佐伊·索尔达娜的强强联手令人期待。

剧照中，基德曼身穿黑色西装，眼神凌厉，饰演一位经验丰富的CIA高级主管。索尔达娜则身着战斗服，手持武器，英姿飒爽，饰演“母狮”小队的站长。两人同框气场十足，预示着将在剧集中上演精彩的对手戏。

《母狮》改编自美国中央情报局（CIA）一个真实项目，讲述了一群年轻女间谍被秘密训练，以渗透进国际恐怖组织的故事。 除了基德曼和索尔达娜两位主演外，该剧还集结了摩根·弗里曼、吉莲·雅各布斯、彼特·戴维斯等实力派演员，阵容可谓豪华。

该剧由曾创作《黄石》等热播剧的编剧泰勒·谢里丹执笔，并担任执行制片人。 谢里丹擅长刻画人物和讲故事，相信这次也不会令观众失望。

《母狮》将于今年下半年播出，敬请期待！

以下是对新闻稿的扩充：

• 增加了对剧情的介绍，使内容更加丰富。
• 介绍了编剧泰勒·谢里丹的背景，增加新闻稿的可信度。
• 添加了播出时间，方便观众了解。

此外，我还对新闻稿的语言进行了优化，使表达更加简洁明了。

希望这篇文章符合您的要求。